进医保只是开始，医疗AI正在迎来价值兑现

撰稿｜张孟丽

过去到现在，几乎每家三甲医院病理科都需要安排医生周末值班，因为阅片工作量确实太大。

未来两三年内，也许这种情况会发生一些改变。

变化来自AI辅助诊断加入到医疗叙事，病理科医生有了AI助手，阅片效率和诊断灵敏度得到翻倍提升。

2026年4月，一项相关政策落地再次把这个话题搬到台面上放大讨论。

AI辅助诊断被正式纳入国家医保乙类目录。半年过去，据不完全统计，全国已有27个省份给出明确价格参考。这被很多人解读为AI辅助诊断商业化的“最后一公里”打通了。

真的是这样吗？

在动脉网近日举办的“AI辅助诊断进医保：商业化真的跑通了吗？”主题直播中，上海交通大学医学院临床医学研究院数据和智能部负责人冯铁男、深圳邦勤创业投资基金董事总经理汪琴、透彻未来联合创始人兼首席技术官王书浩围绕这一话题展开了讨论。

问到同一个问题：商业化，跑通了吗？

三个人的回答都很简短。

冯铁男引了一句毛主席的诗：“雄关漫道真如铁，而今迈步从头越。”

汪琴说：“跑通了一小半，但越走越稳。”

王书浩的回答很有诗意，“刚刚从冬天，尝到了春天的滋味。”

01

进医保不等于可以向医保收钱

外界很容易把“进医保”理解成企业可以直接向医保收钱。汪琴纠正了这个误读。

“大家仔细去看这个文件，会发现一个关键的细节。”她说，“AI辅助诊断不能单独收费，而是作为原有诊断项目的扩展项，合并结算。”

也就是说，收费通道打开了，但医院拿到的是一笔打包在影像诊断或病理诊断里的钱，不是单独开给AI公司的账单。把医保立项直接换算成企业订单，是资本市场对政策信号的过度解读。

不过文件里另有一处文字，王书浩认为这才是真正的杠杆。

内容是关于“缺数减收”：如果医院不能提供数字化切片并上传病理报告，每张切片将被减收5到15元。“如果不做数字化、不上AI，医院反而要少收钱。”

这是政策在倒逼病理科数字化。

政策没有把AI变成医院的开支项，反过来把“不上AI”变成了医院的损失项。

不过是一字之差，改变的是医院算账的方式。

冯铁男看到的则是另一笔账。

“一个病理检查，患者付100块，医保来了也不会变成120块。医院为AI买单的动力，只能是效率，以前一天做100例，现在能做200例，且质量不下降。医保的大逻辑不是新增收入，是效率提升。”他是这样算这笔账的。

他同时指出了一个被很多企业低估的现实：拿到医保立项之前，AI公司先要迈过一道更贵的门槛，三类医疗器械注册证。“拿三类证的成本是非常高的。拿到证之后能不能被医院采购，挑战也很大。”

但他并不悲观。

他提到一个常被忽略的副产品：AI反过来会倒逼医院提升数据质量。“如果数据质量太差，AI的算法可能就不识别了，这会迫使医院把整个数据管理的过程做得更好。”这在他看来，是AI带给临床体系的另一个重要作用。

02

院内医疗AI，不是走量逻辑，是走质

钱从哪儿来，是三个人讨论最多的问题，也是行业的共性话题。

行业里有一种说法：AI辅助诊断真正的付费方，是第三方体检机构和公共筛查项目，而不是医院。

汪琴有不同的看法。她把医疗AI的需求拆成三类，然后挨个分析了一下发展逻辑。

三方体检，本质是走量。

前几年大家把肺结节CT、眼底照相AI包装成高端体检的噱头，很快同类企业扎堆。“为了争夺大体检集团的独家合作，厂家开始免费赠送、贴钱运维。装机量铺了几百家、几千家，但本质上沦为了体检机构的免费打工仔。”

公共筛查更脆弱。

“极度依赖地方政府的专项财政补贴。政策来得快，去得也快。财政预算一收紧，项目就难以为继。”

真正值得投的，是院内科室。

门槛高、周期长、准入难，但一旦嵌入临床核心工作流，“就是深度绑定和长期锁定”。

在所有院内场景里，汪琴把票投给了病理科。

理由很直接。病理是临床诊断的“金标准”，全国注册病理医生不足2万人、缺口超过10万、培养周期超过10年、容错率为零。

“病理AI不是锦上添花。”她说，“它是医生在超负荷运转下的救命稻草。”

03

按效果付费性感，但落不了地

DRG、DIP打包付费改革之后，医院的采购逻辑早已被重塑。

一种流行的叙事随之出现，AI企业应该从“卖软件”转向“按效果付费”，甚至和医院分成。

汪琴同样有不同的看法。她说，“现阶段，卖软硬件、卖License、收年费，在很长一段时间内，一定是公立医院体系内的主流。”

按效果付费听起来性感，落到实操层面全是要命的问题：分成比例怎么定？合规边界在哪里？医院账期有多长？收入怎么确认？“这一连串问号，在公立体系内是没办法回答的。”

王书浩则给医院算了一笔更细的账。在他看来，病理AI本质上是创收工具，不是成本中心。

第一笔是漏诊账。早期胃癌漏诊，患者进展到晚期，后续手术加化疗几十万。"切片分析的费用摊到患者身上非常低，跟漏诊导致的后续风险不在一个量级。"

第二笔是效率账。诊断周期从一到两周缩减到2-3天，床位周转加快，住院日缩短。

第三笔是质控账。“如果因为漏诊或误诊导致诊断被延误或器官被摘除，引发医疗纠纷，赔偿的数目都是非常惊人的。”通过AI质控减少漏误诊，“科主任心里会非常踏实”。

这三笔账加在一起，AI省下的不是每一例病人的钱，而是卫生经济学里的真金白银。

冯铁男补充了一个更宏观的视角。中国不同地区的医疗水平差异巨大。一个在上海训练成熟的AI，下沉到偏远地区，反而更能把漏诊的患者筛出来。“这是显而易见的价值。”他说。前提是前期科研做得足够扎实，三类证本身就是给这件事做背书。

至于AI产品的定价，他给出了一个朴素的标准：“价格定得非常高，不合理；定得太低，公司活不下去。”平衡点在数据里，用量铺开之后，单例成本自然下降，企业能挣钱，医保的负担也不会失控。“有了这样的生态之后，我觉得希望是肯定在的。”

但他特别提醒了一个点：不能简单套用欧美的投资逻辑来看中国。他讲了一个常从投资人那里听到的笑话，“我最怕一款新药做出来之后，马上医保集采了，那我就亏大了。”

笑话背后是真命题。

“在中国政府这个大环境下，医保已经有了自己的规则，你按照这个规则去套就好。”但是按这个规则跑出来的产品，未必就值得投资。这是他常和投资人交流时反复强调的一点。在他看来，中国医疗AI的商业化路径，不能是“欧美逻辑在中国政府大环境里硬套”。

04

算法精度，已经从核心竞争力变成了入场券

过去两年，AI医疗公司比拼的是小数点，谁的精度高0.5、0.8个百分点，谁就能拿到下一轮融资。

汪琴认为那个时代过去了。

“现在算法精度顶多算个参赛资格。”她说，“精度不够，你连牌桌都上不了；但精度够了，也只是让你坐下，不代表你能赢。能坐下的公司很多，能赢的没有几个。”

真正的第一权重，是商业化兑现。

她对“兑现”的定义有些严苛：收入要可重复、可规模化，并且不依赖单一大客户。

那什么样的技术值得押注？

王书浩把病理AI的技术路线分成三层。

第一层是形态学病理大模型，看切片、做诊断，这是目前唯一规模化落地的路线，商业化最确定，因为HE切片的数据标准化程度最高。

第二层是多模态融合，把免疫组化、分子检测、影像、电子病历都叠加进来。“真正成熟至少还要一到两年。”难点不在模型，在于医院的数据孤岛，每家医院都要重新打通数据流。

第三层是多智能体的“人工智能医院”。这是远期愿景，需要国家级数据流转标准，“不是一家公司能做成的”。

汪琴自己的投资框架一个字没变：强刚需、弱医保、硬科技。变的只是权重。"政策红利是贝塔，临床刚需和硬科技才是真正的阿尔法。我投的是那种没有医保也能入院、有医保能加速的公司。"

05

AI不取代医生，但会取代不会用AI的医生

“AI会不会取代医生”是这个行业从起步第一天就被到的问题。

王书浩说他们从创业第一天就不说这句话。

“我们跟所有医院的老师和领导交流，第一句话就是：这是辅助工具，绝对不把它做成独立的诊断工具。”

产品层面，团队给AI设了三条底线。

第一是可解释。除了热力图，还做了“警示岛”和“警示点”，把AI认为可疑的小块组织、甚至几个细胞级别的病变，用弹窗和箭头指给医生看。

第二是可交互。用多模态大语言模型做一个对话系统，让医生能追问“为什么这么判断”。

第三是可控制。“签字权一定要控制在人手里，这是所有医疗AI产品的最终底线。”

在冯铁男的观察里，医生群体已经分成了两拨。水平高的医生把AI当助手；一些基层和年轻医生确实有“被替代的危机感”。

他的解法不是回避，而是引导。

他举蚂蚁集团两个产品的例子：患者端的“蚂蚁阿福”和医生端的“氢离子”，“最终不是谁替代谁，而是让医患沟通变得更高效”。

AI还在改变医学教育。

冯铁男提到，当AI系统积累了足够多的高质量病例，它本身就是最好的教材库。“我们以前做过一个项目，让医学知识不够强的医生看他科室的病例。看多了之后，他自然就会形成条件反射，诶，这个东西我觉得有问题。”

在以前，这件事做不到规模化，但现在AI让它变得自然。

06

跑通了一小半

回到开始的问题，“AI辅助诊断商业化跑通了没有？”

冯铁男说：“雄关漫道真如铁，而今迈步从头越。刚刚才起步，还有好多工作要做。”

汪琴说：“医疗AI商业化不是靠医保这根拐杖，而是靠临床刚需和真金白银买单这两条腿。现在跑通了一小半，但总体越走越稳。”

王书浩说：“可以看到，我们有了收费目录、临床价值验证了、规模化落地了。但我觉得，刚刚从冬天尝到了春天的滋味。从春天到夏天，还有很多工作要做。”

医保乙类目录给了一个收费通道，但“扩展项、合并结算”这几个字决定了AI辅助诊断还没有自己的独立商业人格。它得嵌在病理、影像、超声这些老科目的骨架里，先证明自己是医院离不开的工具，再谈独立定价。

*封面图片来源：123rf

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢